用GitHub上的Skill做亚马逊美国站假睫毛选品实操

做亚马逊选品，很多卖家卡在同一个地方：数据已经收集了不少，但还没有形成一个能往下推进的产品方案。

关键词有搜索量，类目有销量，竞品也在出单。接下来做哪一种产品，改什么，卖多少钱，先找供应商还是继续调研，仍然没有想清楚。

我最近用GitHub上的一套亚马逊研究Skill，以美国站假睫毛为例，把选品研究流程跑了一遍。

这篇文章，我就按照实际推进的顺序，讲清楚我是怎么做的。

我先把结论放前面：用Skill做选品，要让每一步都有明确产出，并把上一环节的证据带到下一环节,所以说大家跟紧点，马上开车！！！

类目分析之后，留下可研究的细分方向；评论分析之后，留下能交给供应商的产品要求；利润测算之后，留下继续验证或暂缓投入的理由。

这次使用的是liangdabiao在GitHub上公开的研究工具集，我们在之前的调研清单里将它编号为R01。其中，category-selection用于类目研究，product-research用于深入拆分产品、竞品和需求。

所以这里特意感谢一下：  liangdabiao ， 我也把他的github的地址放在评论区，大家可以直接去下载用一下测试，为了方便我也直接打包直接留在最后哈。

一、开始研究前，先限定这次要做什么决定

这次研究的输入是：

亚马逊美国站，lashes，假睫毛。

但仅有一个关键词，还不足以控制研究范围。

如果让AI直接回答“假睫毛值不值得做”，它很容易把市场规模、品牌竞争、广告、产品设计混在一起，最后给你一个宽泛结论。

因此，我把这次任务限定为：

从美国站假睫毛市场中，筛选一个值得进入样品验证的产品方向，并形成具体方案和验证清单。

二、先打通取数，再让Skill推进研究

这套Skill原本包含Sorftime数据依赖。我们当时检查环境，没有发现可用的Sorftime连接；卖家精灵MCP经过实际查询，能够返回相关业务数据。

于是，这次保留研究框架，使用卖家精灵完成数据适配。

我的卖家精灵MCP折扣码:  RKJ    (打个小广告 哈哈)

这里有一个卖家需要理解的关系：

Skill安排研究步骤，数据工具提供研究证据。

MCP可以简单理解为AI调用外部数据和工具的一种连接方式。Skill里面写着“获取商品数据”，还需要确认当前环境确实能获取。

本次研究取得了类目节点、商品明细、品牌与价格分布、关键词、搜索趋势、商品详情和评论等材料。

我会先检查三个问题：

·返回的是不是我们研究的站点和产品；

·实际数据日期是什么；

·哪些字段取得了，哪些仍然缺失。

这一步通过以后，再扩大分析。

数据源替换也需要处理参数和口径。例如，关键词搜索趋势不能替代类目销量趋势；没有核实的成本字段，也不能直接解释为净利润。

这一步的输出，是可以追溯的原始数据，以及一张数据缺口清单。

三、拿到100条商品以后，先清洗，再拆市场

本次定位到美国站False Lashes类目，接口返回100条商品。

但这100条，不能直接放在一起计算，然后宣布“假睫毛市场就是这样”。

因为里面包含不同形态：

整条假睫毛、DIY簇状睫毛、磁吸款、预涂胶款，以及专业嫁接耗材。

它们的使用方式、购买理由和包装内容都有区别。

另外，有1条商品标题显示疑似胶水，我们将它暂时排除出纯假睫毛主研究池，留下99条主样本。

这一步，我让研究流程先做两件事：

先确认商品是否属于研究对象，再给商品标注属性。

属性包括产品形态、长度、风格、包装数量、是否含胶、是否含工具等。标题或详情没有依据的字段，保留为未知。

按原始100条标题初筛，DIY簇状睫毛及套装有71条，说明这一形态在本次头部样本里较突出。

但71条商品，不能解释成全市场71%的份额。

价格方面，原始100条样本的标价中位数为9.89美元，77条位于接口划分的5美元至不足10美元价格带。

到这里，我们得到的第一个判断是：

DIY簇状方向值得继续拆，但低价商品较多，进入后的利润和差异化需要重点验证。

还有一个动作很关键：统一包装单位。

一盒两副整条睫毛、一盒120簇补充装、一套含胶和工具的套装，直接比较盒价，会误判价值。

所以，这一步除了商品分类，还要形成可比价格表，把副数、簇数和包含物拆出来。

四、把商品属性和关键词交叉看，缩小候选方向

市场拆开以后，接下来要回答：买家关注哪些具体方向，这些方向有没有对应竞争品？

这次返回的关键词数据明确标注为2026年8月：

这些词帮助我们建立需求线索，但不能相加成独立买家人数，也不能仅凭搜索量决定进入。

我让研究流程进一步交叉分析：

产品形态×风格，产品形态×价格，长度×使用场景。

例如，自然、日常标签的DIY产品有22条，其中标题明确出现Short的有3条，另外19条没有明确标注长度。

这19条只能记为未知，不能直接当成长款，也不能据此认定短款竞争少。

这一轮研究留下了三个候选方向：

1. 自然短款DIY簇状睫毛；

2. Manga与下睫毛组合；

3. 磁吸睫毛。

三个方向需要验证的问题也不同。

自然短款重点看佩戴感受、长度配比和日常使用；Manga与下睫毛组合需要建立独立竞品池；磁吸款则要重点验证对位、眼型贴合和操作体验。

在本次模拟研究中，我选择自然短款DIY簇状睫毛作为继续深入的主方向。

这是一个研究选择，还没有足够证据称它为蓝海。

五、建立竞品池，再从评论里提炼产品要求

方向确定以后，我没有继续把所有假睫毛都当成直接竞品。

这次选了8个代表竞品，分别承担直接竞品、量级标杆、价格对照和不同产品机制对照的角色。

这里，直接竞品回答“买家可能拿谁和我们比较”；其他对照产品帮助理解市场和体验差异。

评论方面，获取106条记录，排除6条不属于明确磁吸变体的评论，最终使用100条。

这100条属于定向低星评论，用于发现问题线索，不能推算全体买家的问题发生率。

我让分析继续往下走：每个问题，都要对应一项可以验证的产品要求。

比如，100条可用记录中有24条涉及取用损耗和到货完整问题。

它说明这类问题值得研究，但不能写成“24%的买家收到损坏产品”。

还有一些长度配比线索，只来自少量评论。可以据此提出假设，后面仍然要测试。

这一步完成以后，研究就能形成产品要求表，方便供应商报价、打样，也方便目标用户验证。

六、把研究结果收敛成一个具体产品方案

经过前面的分析，本次模拟主方案是：

自然短款DIY簇状睫毛补充装。

规格设定如下：

七、方案形成以后，用单位利润检查能否继续推进

产品方案越具体，越需要算账。

这次预览里建立了一个可修改参数的利润模型。以下全部为演示假设，不是正式采购报价，也不是已核定的平台费用：

按这组参数，广告前每件贡献约4.97美元，广告后约2.37美元，贡献率约18.27%。

这部分余额还需要覆盖固定人工、税费、仓储等项目，不能称为净利润。

这里算的是广告花费占总销售额的比例，不能直接当成广告归因ACOS。

这张表的作用，是让卖家看到方案对获客成本有多敏感。

下一步拿到真实供应商报价、包装尺寸和费用以后，要把假设替换掉，再重算。首单现金需求也要单独看：采购、物流、推广什么时候付款，销售什么时候结算，预备金够不够。

这一步的输出，是产品的利润边界和现金需求，而不只是一个看起来不错的毛利率。

八、最终判断：进入验证阶段，暂不据此确定首单

这次选品研究的最后，我没有把结果写成“推荐立即采购”。

原因很明确。

商品数据的实际月份没有核实；自然短款的可比竞品规格还需补齐；产品方案、成本和售价仍然是假设，佩戴体验与获客成本也没有验证。

另外，数据本身存在差异：

请求9月关键词数据，返回实际标注8月；按8月、9月参数查询的商品列表相同，且未回显月份；汇总统计与逐条相加的销量、销售额字段，也分别存在约8.41%和10.58%的差异。

这些问题都保留在报告里，限制了能够下的结论。

因此，当前更合理的输出是：

自然短款补充装进入下一轮样品与成本验证，正式首单暂缓决定。

这部分是后续验证安排，尚未执行完成。

这套流程，最后应该留下哪些东西？

把整个案例连起来，我通过Skill完成的研究顺序是：

限定任务→核验数据→清洗样本→拆分市场→分析需求→建立竞品池→挖掘评论→形成方案→测算利润→安排验证。

对应的交付，也要能支持团队继续工作：

·市场范围和数据日期说明；

·商品明细与属性分类；

·关键词需求和趋势材料；

·直接竞品及对照产品；

·评论原文与问题分类；

·产品方案和设计假设；

·可修改参数的利润模型；

·数据缺口、验证任务和停止条件。

本次案例最终形成了文字报告、结构化数据和交互看板，可以检索商品、查看评论依据，也可以修改利润参数。

这对老板、运营和采购都有实际用途。老板知道当前能做什么决定；运营知道证据在哪里；采购知道需要确认哪些规格；团队也知道什么情况下应该暂停投入。

最后我想跟大家说一句：

这次睫毛研究，让我们从一个宽泛的“lashes”关键词，推进到一个具体的自然短款补充装方案，并明确了配比、舒适度、取用体验、定价和成本的验证任务。

这样的选品流程，才能让每一笔投入有依据，也让暂缓决定有理由。

Skill帮助我们组织研究，AI帮助我们处理材料，最终的商业判断，仍然要回到真实产品、真实成本和自己的现金承受能力上。